intelligent Mobile Edge Computing Systems Lab (or iMES)
IT 소프트웨어학부 이주형
intelligent Mobile Edge Computing Systems Lab (iMES)는 IT 소프트웨어학부 소속으로, 주로 연합학습, 5G-Advanced 모바일 코어 자동화, 에지 컴퓨팅, AI 기반 컨텍스트 인식, 에너지 효율적인 IoT 분야에서 활발한 연구를 진행하고 있습니다. 최근 3년간 iMES 연구실은 AI 기반의 5G-Advanced 모바일 Core의 자동화 운영 기술 연구, 자율형 IoT 상황 정보 연계 집단지능 생성을 위한 기여도 기반 연합학습 기술 분석, 에지 컴퓨팅 기반 AIoT를 위한 저지연 연합학습 플랫폼 개발 등 다수의 프로젝트를 성공적으로 수행하였습니다. 또한, 다양한 논문 발표와 특허 출원을 통해 연구 성과를 인정받고 있으며, 철도 안전 향상을 위한 5G MEC에서 초저지연 영상 인식 기반의 야생 동물 감지 시스템 개발 등 실제 산업 적용 사례도 보유하고 있습니다. 이러한 연구 성과를 통해 iMES 연구실은 관련 분야에서 높은 연구 역량과 전문성을 인정받고 있습니다.
5G-Advanced Mobile Core Automation
AI-based Context Awareness
Energy-efficient IoT
5G-Advanced 모바일 Core의 자동화 운영 기술 연구
5G-Advanced 모바일 네트워크의 자동화를 목표로, AI 기반의 운영 기술을 연구합니다. 이 분야는 네트워크 관리의 효율성을 극대화하고, 자율적으로 문제를 감지하고 해결하는 시스템을 개발하는 것을 포함합니다. 특히, 모바일 코어 네트워크 내에서의 리소스 배분, 트래픽 관리, 에너지 효율성을 최적화하는 알고리즘을 설계하고, 이를 실제 네트워크 환경에 적용하여 성능을 검증합니다.
에지 컴퓨팅 기반 AIoT를 위한 저지연 연합학습 플랫폼 개발
에지 컴퓨팅 환경에서 인공지능 사물인터넷(AIoT)을 위한 저지연 연합학습 플랫폼을 개발합니다. 이 연구는 다양한 IoT 디바이스에서 생성되는 데이터를 에지 서버에서 실시간으로 처리하고, 연합학습 기법을 통해 데이터 프라이버시를 보호하면서도 효율적인 학습 및 추론 성능을 달성하는 것을 목표로 합니다. 이를 통해, 실시간 데이터 분석과 빠른 의사결정이 필요한 응용 분야에서 높은 성능과 안정성을 제공하는 플랫폼을 구현하고자 합니다.
1
Group Paging Approach in Downlink Data Transmission of eMBB for Enhancing HTC Connectivity
Jaeeun Park, Joohyung Lee, Jun Kyun Choi
,
2
Split Federated Learning-Empowered Energy-Efficient Mobile Traffic Prediction Over UAVs
Faranaksadat Solat, Joohyung Lee
,
3
DRL-enabled Adaptive Hierarchical Federated Learning Management in Multi-access Edge Computing
Suhyun Cho, Sunhwan Lim, Joohyung Lee
,
1
Energy-Efficient Cross-Device Federated Learning in Hierarchcial Edge Computing Architecture - 계층적 에지 컴퓨팅 구조에서의 에너지 효율적인 크로스 디바이스 연합학습 기술 연구 (연구책임자)
2
익명 오버레이 네트워크 추적 기술 연구 (공동 연구자)
3
AI 기반의 5G-Advanced 모바일 Core의 자동화 운영 기술 연구 (연구책임자)